原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及半导体检测领域，具体公开了一种基于深度学习算法的CMOS的缺陷检测方法，本发明设计的技术方案步骤包括：S1：利用CMOS图像传感器采集高端装备的铸件图像；S2：对所述图像进行预处理操作，获得训练集；S3：基于深度学习算法构建缺陷检测模型；S4：训练所述缺陷模型，得到训练损失结果；S5：对所述缺陷检测模型进行性能评估，本申请通过采用直方图均衡对局部细节缺失和背景较暗的图像进行特征增强，然后后续在C3模块的CSP模块中添加ECA‑NET模块，改进算法训练出损失结果，达到提高检测精准度和省时
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117710377A
(43)申请公布日2024.03.15
(21)申请号202410166424.9G06N3/08(2023.01)
文档评论（0）